Woensdag 15 april
13:00 – 13:45 uur
Food Mainstage
Guido Camps: AI en het meten eten voor betere zorg en preventie
Hoe krijgen we beter inzicht in wat mensen écht eten en wat betekent dat voor de zorg van morgen? Op Zorg & food laat Guido Camps zien hoe kunstmatige intelligentie, sensortechnologie en datagedreven modellen nieuwe mogelijkheden bieden voor voedingsmonitoring in het dagelijks leven.
Work-life balance
Camps neemt zijn werk zelfs mee naar huis. Hij onderzocht er hoe hij zijn kinderen meer groente kon laten eten. Dat deed hij met bakjes die op een sensor stonden. Zo kon hij testen waar en hoe ze de meeste snackgroenten naar binnen werkten.
Neerzetten op tafel en samen eten of juist vrijelijk aan te bieden bij de tv of tussen het spelen door. “Je kunt die bakjes gewoon een hele tijd laten staan en dan kun je meten wat ze wanneer eten. Je kunt zo in de praktijk testen wat er wel en niet werkt. En bent niet meer afhankelijk van een laboratorium. Zowel bij mijn eigen kids als bij de ‘echte’ deelnemers vonden we hetzelfde resultaat: bied variatie aan groenten aan en zet die zo neer dat de deelnemers ze altijd mogen pakken, dat werkt het beste.”
Als je beter kunt voorspellen wat en hoe mensen eten, kun je belangrijke voedingstoffen op een andere manier aanbieden. “Cateraars verzinnen de mooiste gerechten, maar als we niet weten of mensen ze ook daadwerkelijk opeten, schieten ze hun doel voorbij. Dan hebben we nog steeds een probleem.”
Meer kauwen, minder slobberen
Camps ziet volop toepassingen voor zijn nieuwe onderzoeksgegevens, voor allerlei doelgroepen. Mensen met overgewicht worden veel beter geholpen als we echt weergeven wat ze per dag eten. En met gegevens over kauwen en slikken kan een anders voedingspatroon worden aangeleerd. Wie meer kauwt en slikt, is sneller verzadigd dan iemand die zijn eten gemakkelijk naar binnen slobbert. Meer kauwen is dan een mooie manier om het aantal calorieën te beperken.
Meten in de praktijk
Wat er precies gegeten wordt, is niet in een laboratorium te onderzoeken. Dat moet in de praktijk. Er zijn dus dienbladen met sensoren ontwikkeld. Die werkten goed, maar het eten wordt in zorginstellingen steeds minder vaak op dienbladen geserveerd. De dienbladen belandden dus in de kast.
De sensoren moesten dus direct op het serviesgoed, maar dat bleek in de praktijk best lastig. “Je kunt een sensor op een schaaltje zetten, maar die gaat kapot in de vaatwasser. Een schaaltje maken met ingebouwde sensor kan ook, maar dat is veel duurder. En als zo’n sensor kapotgaat, kun je er niet meer bij om die te repareren. Het is echt trial en error”, aldus Camps.
Geen volwaardige maaltijd
Als de onderzoeksmethoden er zijn, verzamelt AI razendsnel heel veel data die wel een goed beeld geven van wat en hoe er gegeten wordt. In de ouderenzorg geeft het werk van Camps veel nieuwe inzichten. “In de praktijk blijkt dat eten dat lastig te kauwen is het eerste op het bord blijft liggen. Een voedingsassistent geeft dan aan dat een bord voor de helft leeg is. Maar ja, welke helft ligt er dan nog op? Als dat de eiwitten zijn, wordt er dus geen volwaardige maaltijd gegeten. Wie over een langere termijn te weinig eiwit binnenkrijgt, gaat interen op spiermassa en dat geeft weer een hoger risico op vallen.”
Het grote probleem met de databestanden die er nu zijn, is dat ze gebaseerd zijn op vragenlijsten en turvende studenten. Vragen wat mensen eten, is niet hetzelfde als meten wat ze echt in hun mond stoppen. Daar zit volgens Camps een enorm verschil in dat kan oplopen tot honderden calorieën per dag. “Mensen onderschatten hoe groot de porties zijn die ze eten. En ze vergeten vaak de tussendoortjes te noteren die ze in de loop van de dag ongemerkt naar binnen schuiven.”
Het kauwen en slikken wordt nu nog gemeten door video-opnames van etende mensen te turven. “Een arme student of onderzoeker wordt voor zo’n video gezet en moet streepjes zetten een Excelbestand.”
AI moet de puzzel compleet maken
AI kan hele waardevolle informatie genereren over eetgedrag, zoals razendsnel kauw- en slikbewegingen registeren. In tegenstelling tot die strepende studenten wordt AI niet moe.
Ook kan AI nauwkeurig registreren wat er gegeten wordt. Camps en zijn team proberen met allerlei technieken de puzzel steeds meer compleet te maken. “Die technieken valideren we in ons lab. Denk bijvoorbeeld aan een radarsensor die lijkt op de parkeersensor in je auto die begint te piepen als je bijna tegen een boom aan rijdt. Zo’n sensor kan ook gericht worden op een mens, en daarmee een soort ruis afgeven die AI interpreteert. Daar halen we dan eetgedrag uit”
Tekst: Maaike Zweers
Beeld: Envato
Eetgedrag heeft direct effect op gezondheid en welzijn. Er zijn dus hele grote databestanden over eetgedrag van mensen. Die dienen volop als basis voor onderzoeken, terwijl we weten dat ze niet kloppen. Guido Camps, onderzoeker aan Wageningen University, werkt aan AI-oplossingen om wel de juiste data te kunnen verzamelen.
Woensdag 15 april
13:00 – 13:45 uur
Food Mainstage
Guido Camps: AI en het meten eten voor betere zorg en preventie
Hoe krijgen we beter inzicht in wat mensen écht eten en wat betekent dat voor de zorg van morgen? Op Zorg & food laat Guido Camps zien hoe kunstmatige intelligentie, sensortechnologie en datagedreven modellen nieuwe mogelijkheden bieden voor voedingsmonitoring in het dagelijks leven.
Work-life balance
Camps neemt zijn werk zelfs mee naar huis. Hij onderzocht er hoe hij zijn kinderen meer groente kon laten eten. Dat deed hij met bakjes die op een sensor stonden. Zo kon hij testen waar en hoe ze de meeste snackgroenten naar binnen werkten.
Neerzetten op tafel en samen eten of juist vrijelijk aan te bieden bij de tv of tussen het spelen door. “Je kunt die bakjes gewoon een hele tijd laten staan en dan kun je meten wat ze wanneer eten. Je kunt zo in de praktijk testen wat er wel en niet werkt. En bent niet meer afhankelijk van een laboratorium. Zowel bij mijn eigen kids als bij de ‘echte’ deelnemers vonden we hetzelfde resultaat: bied variatie aan groenten aan en zet die zo neer dat de deelnemers ze altijd mogen pakken, dat werkt het beste.”
Als je beter kunt voorspellen wat en hoe mensen eten, kun je belangrijke voedingstoffen op een andere manier aanbieden. “Cateraars verzinnen de mooiste gerechten, maar als we niet weten of mensen ze ook daadwerkelijk opeten, schieten ze hun doel voorbij. Dan hebben we nog steeds een probleem.”
Meer kauwen, minder slobberen
Camps ziet volop toepassingen voor zijn nieuwe onderzoeksgegevens, voor allerlei doelgroepen. Mensen met overgewicht worden veel beter geholpen als we echt weergeven wat ze per dag eten. En met gegevens over kauwen en slikken kan een anders voedingspatroon worden aangeleerd. Wie meer kauwt en slikt, is sneller verzadigd dan iemand die zijn eten gemakkelijk naar binnen slobbert. Meer kauwen is dan een mooie manier om het aantal calorieën te beperken.
Meten in de praktijk
Wat er precies gegeten wordt, is niet in een laboratorium te onderzoeken. Dat moet in de praktijk. Er zijn dus dienbladen met sensoren ontwikkeld. Die werkten goed, maar het eten wordt in zorginstellingen steeds minder vaak op dienbladen geserveerd. De dienbladen belandden dus in de kast.
De sensoren moesten dus direct op het serviesgoed, maar dat bleek in de praktijk best lastig. “Je kunt een sensor op een schaaltje zetten, maar die gaat kapot in de vaatwasser. Een schaaltje maken met ingebouwde sensor kan ook, maar dat is veel duurder. En als zo’n sensor kapotgaat, kun je er niet meer bij om die te repareren. Het is echt trial en error”, aldus Camps.
Geen volwaardige maaltijd
Als de onderzoeksmethoden er zijn, verzamelt AI razendsnel heel veel data die wel een goed beeld geven van wat en hoe er gegeten wordt. In de ouderenzorg geeft het werk van Camps veel nieuwe inzichten. “In de praktijk blijkt dat eten dat lastig te kauwen is het eerste op het bord blijft liggen. Een voedingsassistent geeft dan aan dat een bord voor de helft leeg is. Maar ja, welke helft ligt er dan nog op? Als dat de eiwitten zijn, wordt er dus geen volwaardige maaltijd gegeten. Wie over een langere termijn te weinig eiwit binnenkrijgt, gaat interen op spiermassa en dat geeft weer een hoger risico op vallen.”
Het grote probleem met de databestanden die er nu zijn, is dat ze gebaseerd zijn op vragenlijsten en turvende studenten. Vragen wat mensen eten, is niet hetzelfde als meten wat ze echt in hun mond stoppen. Daar zit volgens Camps een enorm verschil in dat kan oplopen tot honderden calorieën per dag. “Mensen onderschatten hoe groot de porties zijn die ze eten. En ze vergeten vaak de tussendoortjes te noteren die ze in de loop van de dag ongemerkt naar binnen schuiven.”
Het kauwen en slikken wordt nu nog gemeten door video-opnames van etende mensen te turven. “Een arme student of onderzoeker wordt voor zo’n video gezet en moet streepjes zetten een Excelbestand.”
AI moet de puzzel compleet maken
AI kan hele waardevolle informatie genereren over eetgedrag, zoals razendsnel kauw- en slikbewegingen registeren. In tegenstelling tot die strepende studenten wordt AI niet moe.
Ook kan AI nauwkeurig registreren wat er gegeten wordt. Camps en zijn team proberen met allerlei technieken de puzzel steeds meer compleet te maken. “Die technieken valideren we in ons lab. Denk bijvoorbeeld aan een radarsensor die lijkt op de parkeersensor in je auto die begint te piepen als je bijna tegen een boom aan rijdt. Zo’n sensor kan ook gericht worden op een mens, en daarmee een soort ruis afgeven die AI interpreteert. Daar halen we dan eetgedrag uit”
Tekst: Maaike Zweers
Beeld: Envato
Eetgedrag heeft direct effect op gezondheid en welzijn. Er zijn dus hele grote databestanden over eetgedrag van mensen. Die dienen volop als basis voor onderzoeken, terwijl we weten dat ze niet kloppen. Guido Camps, onder-zoeker aan Wageningen University, werkt aan AI-oplossingen om wel de juiste data te kunnen verzamelen.